基于轮廓锐度的单目图像深度信息估计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105374039A(43)申请公布日2016.03.02(21)申请号201510786727.1(22)申请日2015.11.16(71)申请人辽宁大学地址110000辽宁省沈阳市沈北新区道义南大街58号(72)发明人马利景源李鹏张玉奇胡彬彬牛斌(74)专利代理机构沈阳杰克知识产权代理有限公司21207代理人罗莹(51)Int.Cl.G06T7/00(2006.01)权利要求书2页说明书5页附图1页(54)发明名称基于轮廓锐度的单目图像深度信息估计方法(57)摘要本发明提出一种基于轮廓锐度的单目图像深度信息估计方法，该方法应用边缘轮廓锐度作为模糊信息估计特征、通过低层次线索信息进行深度信息提取。首先对图像进行边缘检测；接着对图像中的边缘计算边缘能量、轮廓锐度，并以边缘能量、轮廓锐度作为轮廓的外部能量，结合轮廓的内部能量—轮廓线特征性能量和轮廓线距离能量建立轮廓跟踪模型，求解能量函数的最小值，搜索图像轮廓；然后以深度梯度假设作为先验假设梯度模型，对具有不同的轮廓线的区域进行深度值填充，计算得出深度分布；最后利用原图像信息和所得深度图像信息对得到的深度图像进行优化处理，得到最终的视差图。实验结果证明，本发明的深度估计算法简单，能快速准确地估计单目图像的深度图。CN105374039ACN105374039A权利要求书1/2页1.基于轮廓锐度的单目图像深度信息估计方法，其特征在于,包括如下步骤：(1)对于输入图像，进行边缘检测，得到图像中物体的边缘点P＝{p1,p2,…pn}；(2)根据先验深度梯度模型进行初始轮廓线的定义，定义一组互相平行且间距相等的轮廓线作为初始轮廓线V＝{v0,v1...vm}；其中，v(s)＝[x(s),y(s)]，x(s),y(s)为初始轮廓线中的点s的坐标；轮廓线的总能量定义为Etotal＝w1Eedge+w2Esharp+w3Es+w4Ed其中Eedge为轮廓边缘能量函数，表示轮廓的梯度幅度；Esharp轮廓锐度能量函数，代表轮廓的模糊程度；Es为轮廓线特性能量函数，用于约束轮廓的平滑度；Ed为轮廓线距离能量函数，用于控制轮廓跟踪曲线不会超出搜索区域；w1、w2、w3、w4为各个函数权重控制参数；(3)对图像中每一条初始轮廓线从图像的左侧起始点开始，由图像底部向顶部更新每一轮廓点的位置，对每一个轮廓点根据步骤(2)中轮廓线总能量定义计算轮廓跟踪能量；(4)求解能量函数的最小值；对与当前轮廓点相邻的像素列中的像素点进行搜索，搜索满足能量函数定义的边缘点P＝{p1,p2,…pn}中具有最小能量值的点，选择具有最小能量的像素点位置作为新的轮廓点；从图像左侧至右侧，重复搜索最小值，得到最终的轮廓搜索结果，即得到目标轮廓线V；(5)以深度梯度假设作为先验假设梯度模型，对具有不同的轮廓线的区域进行深度值填充，计算得出深度分布；轮廓线集中轮廓线V＝{v0,v1,...,vm}，对于i＝0…m对应的分配深度值Depth为：(6)利用原图像灰度信息和所得深度图像信息对得到的深度图像进行优化处理：其中Depth(xi)为输入深度图像，Ω(xi)是以像素xi为中心的邻域，I(xi)为像素xi的亮度I分量，xj为像素xi在邻域Ω(xi)的邻域像素，W(xi)是滤波器参数的归一化因子；||xi-xj||为两像素的空间欧式距离；I(xi)-I(xj)表示两像素的亮度相似性，像素xi和xj的空间坐标分别为(xix,xiy)和(xjx,xjy)；空间权重系数和色度权重系数定义为：其中σs为空间权重的方差、σr为色度权重的方差。(7)得到了对输入单目图像进行深度信息估计后的视差图。2CN105374039A权利要求书2/2页2.根据权利要求1所述的基于轮廓锐度的单目图像深度信息估计方法，其特征在于，所述的轮廓边缘能量函数Eedge为图像I(x,y)沿着梯度方向的梯度幅度大小，定义为：其中，是对I(x,y)求梯度幅度；其中参数a为权值控制参数。3.根据权利要求1所述的基于轮廓锐度的单目图像深度信息估计方法，其特征在于，所述的轮廓锐度能量函数Esharp以对梯度轮廓锐度求解得到，定义为：其中，梯度轮廓锐度σ(p(q0))为梯度轮廓变量方差的均方根。这里梯度轮廓为图像中边缘像素q0(x0,y0)作为起始点，沿梯度方向向边缘的边界追踪，直到边缘的梯度幅度不再发生变化，所得到一维路径p(q0)形成的梯度幅度曲线；其梯度轮廓锐度定义为其中，dc(q,q0)为梯度轮廓中点q和q0之间的曲线长度，g(q)为q点处的梯度幅度，G(q0)为梯度轮廓中所有点的梯度幅度和，s为梯度轮廓中任一点，参数b为权值控制参数。3CN105374039A说明书1/5页基于轮廓锐度的单目图像深